CN117377954A - 用于发现意图和执行过程的系统和方法 - Google Patents
用于发现意图和执行过程的系统和方法 Download PDFInfo
- Publication number
- CN117377954A CN117377954A CN202280037395.5A CN202280037395A CN117377954A CN 117377954 A CN117377954 A CN 117377954A CN 202280037395 A CN202280037395 A CN 202280037395A CN 117377954 A CN117377954 A CN 117377954A
- Authority
- CN
- China
- Prior art keywords
- intent
- clusters
- terms
- processing system
- phrases
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 132
- 230000009471 action Effects 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 47
- 230000015654 memory Effects 0.000 claims description 47
- 238000010801 machine learning Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 211
- 230000008569 process Effects 0.000 abstract description 79
- 230000000875 corresponding effect Effects 0.000 description 74
- 230000003993 interaction Effects 0.000 description 59
- 239000003795 chemical substances by application Substances 0.000 description 45
- 238000004891 communication Methods 0.000 description 38
- 238000013473 artificial intelligence Methods 0.000 description 26
- 230000004044 response Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000003442 weekly effect Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003064 k means clustering Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
- G06F16/90328—Query formulation using system suggestions using search space presentation or visualization, e.g. category or range presentation and selection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Machine Translation (AREA)
- User Interface Of Digital Computer (AREA)
- Medicines Containing Material From Animals Or Micro-Organisms (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开的实施方式提供了一种框架,以基于用户输入发现意图并基于所发现的意图执行过程。意图处理系统通过界面提供与不同意图相对应的不同意图集群的图形表示。意图集群包括可用于提交与意图相关联的请求或问题的一组意图术语和/或短语。当用户通过界面从意图集群中选择意图术语和/或短语时,意图处理系统可以识别可以执行以解决用户的请求或问题的动作。
Description
相关申请的交叉引用
本专利申请要求于2021年5月24日提交的美国临时专利申请No.63/192,312的优先权权益,该临时专利申请的公开内容通过引用并入本文中。
技术领域
本发明总体上涉及基于用户输入发现意图和基于所发现的意图执行过程的系统和方法。更具体地,提供了部署框架以基于输入和集群选择来识别意图,并对所识别的意图提供可动作的响应的技术。
发明内容
公开的实施方式可以提供一种框架,以基于输入和集群选择来识别意图,并提供对所识别的意图的可动作响应。根据一些实施方式,提供了一种计算机实现的方法。该计算机实现的方法包括生成一组意图集群的图形表示。意图集群包括与意图相关联的一组意图术语。使用机器学习算法生成所述一组意图集群,该机器学习算法被训练为根据相应的意图对意图术语进行聚类。该计算机实现的方法还包括检测对来自所述一组意图集群中的一意图集群的一个或多个意图术语的选择。该计算机实现的方法还包括识别对应于与所述意图集群相关联的意图的一个或多个动作。基于所述意图和所选择的一个或多个意图术语来识别所述一个或多个动作。该计算机实现的方法还包括促进执行所述一个或多个动作以实现所述意图。
在一些实施方式中,所述一组意图集群的图形表示包括一组球形对象。此外,球形对象包括与意图集群相关联的一组意图术语。
在一些实施方式中,所述一组意图集群对应于一组频繁检测到的意图。基于对在一段时间内收集的历史对话数据的评估来识别所述一组频繁检测到的意图。
在一些实施方式中,所述一组意图集群的图形表示是根据界面的点击区域进行配置的。
在一些实施方式中,该计算机实现的方法还包括检测与一个或多个意图相关联的请求中的尖峰。该计算机实现的方法还包括更新所述一组意图集群的图形表示。在检测到所述尖峰时实时更新所述一组意图集群的图形表示。
在一些实施方式中,该计算机实现的方法还包括根据推广产品的请求更新所述一组意图集群的图形表示。该请求指定与所述产品相关联的一个或多个意图。
在一些实施方式中,该计算机实现的方法还包括使用一个或多个聚类算法来确定要包括在所述一组意图集群中的意图集群的数量。
在一个实施方式中,一种系统,包括:一个或多个处理器和包括指令的存储器,这些指令由于由所述一个或多个处理器执行而使得所述系统执行本文所述的方法。在另一实施方式中,一种非暂时性计算机可读存储介质,在所述非暂时性计算机可读存储介质上存储有可执行指令,所述可执行指令由于由计算机系统的一个或多个处理器执行而使得所述计算机系统执行本文所述的方法。
下面详细讨论本发明的各种实施方式。尽管讨论了特定实现方式,但是应当理解,这仅出于说明目的。相关领域的技术人员能够认识到,在不脱离本发明的精神和范围的情况下,可以使用其他组件和配置。因此,以下描述和附图是说明性的而不能理解成是限制性的。描述了很多特定细节以提供对本发明的透彻理解。然而,在某些情况中,众所周知的或常规的细节没有被描述以避免使说明书含糊不清。对本发明的一个实施方式或一实施方式的提及可以是指同一实施方式或任一实施方式;并且,这种提及意味着实施方式中的至少一个实施方式。
对“一个实施方式”或“一实施方式”的提及意味着,结合该实施方式描述的特定特征、结构或特性被包括在本发明的至少一个实施方式中。在本说明书中各种地方出现的措词“在一个实施方式中”未必是全都指的是同一实施方式,也不是与其他实施方式相互排斥的不同的或替选的实施方式。此外,描述了可以由一些实施方式具有而其他实施方式不具有的各个特征。
本说明书中所使用的术语在本发明的上下文中以及在使用各个术语的特定上下文中,通常具有其在本领域中的通常含义。替选语言和同义词可用于本文中讨论的术语中的任一者或多者,并且本文是否详细阐述或讨论了术语不应有特别意义。在一些情况下,提供了用于某些术语的同义词。一个或多个同义词的记载并不排除其他同义词的使用。本说明书中任何地方使用的示例(包括本文讨论的任何术语的示例)仅是说明性的,并不旨在进一步限制本发明或任何示例术语的范围和含义。同样,本发明不限于本说明书中给出的各个实施方式。
在不旨在限制本发明的范围的情况下,下面给出根据本发明的实施方式的仪器、装置、方法及其相关的结果的示例。需要注意的是,为了方便读者,示例中可以使用标题或副标题,其不应以任何方式限制本发明的范围。除非另有定义,否则本文中所使用的技术术语和科学术语具有本发明所属领域普通技术人员通常理解的含义。在有矛盾的情况下,将以包括定义的本申请文件为准。
本发明的附加特征和优势将在以下描述中进行阐述,并且某种程度上能够从描述中显而易见或者可以从本文公开的原理的实践中习得。本发明的特征和优势可以通过所附权利要求中特别指出的仪器和结合来实现并获得。本发明的这些和其他特征能够从以下描述和所附权利要求变得更充分明显,或者可以从本文阐述的原理的实践中了解。
附图说明
结合附图描述本发明:
图1示出了可以实现各种实施方式的环境的说明性示例;
图2示出了根据至少一个实施方式的环境的说明性示例,其中,品牌交互平台的意图处理系统通过界面提供意图集群的图形表示,通过该图形表示可以基于通过该界面对意图术语的客户选择来识别动作;
图3示出了根据至少一个实施方式的环境的说明性示例,其中,意图处理系统基于意图术语的相似性和使用频率生成并呈现各种意图集群;
图4示出了根据至少一个实施方式的环境的说明性示例,其中,意图处理系统基于客户对来自顶级意图集群的意图术语的选择来更新界面以聚焦于该顶级意图集群;
图5示出了根据至少一个实施方式的环境的说明性示例,其中,意图处理系统基于客户对来自意图集群的特定意图术语的选择来更新界面以呈现来该自意图集群的相关意图术语;
图6示出了根据至少一个实施方式的环境的说明性示例,其中,意图处理系统基于对与一个或多个动作相关联的一个或多个意图术语的选择来执行所述一个或多个动作;
图7示出了根据至少一个实施方式的过程的说明性示例,该过程用于基于意图和意图术语之间的相似性来生成意图集群以通过界面呈现给客户;
图8示出了根据至少一个实施方式的过程的说明性示例,该过程用于基于对一个或多个意图术语的选择来执行一个或多个动作,该一个或多个意图术语来自通过界面呈现的意图术语的集群;以及
图9示出了可以实现各种实施方式的环境的说明性示例。
在附图中,相似的组件和/或特征可以具有相同的附图标记。此外,相同类型的各种组件可以通过在附图标记后加上破折号和第二标记来区分,第二标记在相似的组件之间进行区分。如果在说明书中仅使用了第一附图标记,则该描述适用于具有相同的第一附图标记的相似组件中的任一者,而与第二附图标记无关。
具体实施方式
随后的描述仅提供(一个或多个)实施方式的优选示例,并且不旨在限制本发明的范围、适用性或配置。相反,随后的(一个或多个)实施方式的优选示例的描述将向本领域技术人员提供用于实现实施方式的优选示例的使能描述。应当理解,在不脱离如所附权利要求书所阐述的精神和范围的情况下,可以对元件的功能和布置进行各种改变。
图1示出了可以实现各种实施方式的环境100的说明性示例。在环境100中,特定品牌或其他实体的客户108可以访问由品牌交互平台提供的界面106,以提交请求来解决问题。例如,客户108可以向品牌交互平台提交请求,以提交与品牌提供的服务计划相关联的月度付款。作为另一示例,客户108可以向品牌交互平台提交请求,以获得与品牌向客户108提供的商品和/或服务相关的疑难解答信息。
在一个实施方式中,品牌交互平台通过计算设备110(例如,智能手机、个人计算机等)向客户108提供图形用户界面(GUI)106,客户108可以通过该图形用户界面与品牌交互平台通信以提交其请求。例如,客户108可以利用计算设备110来访问由品牌交互平台提供的网络门户或站点,以访问GUI 106,从而向品牌交互平台提交针对特定问题或意图的请求。作为另一示例,品牌交互平台可以提供可以安装在计算设备110上的应用程序。该应用程序可以允许客户108通过通信网络(例如,互联网)访问品牌交互平台。此外,如本文所述,该应用程序可以持续地与品牌交互平台通信,以根据已知的意图术语和短语来更新GUI106。
在一个实施方式中,品牌交互平台通过意图处理系统102生成与意图处理系统102随时间解决的意图相关联的意图术语和/或短语的图形表示。意图处理系统102可以在品牌交互平台的计算设备上实现,或者作为在品牌交互台的计算设备上执行的应用程序或可执行代码来实现。在一些情况下,意图术语和/或短语的图形表示可以包括映射到可以通过GUI 106操纵的球形对象的图形表示上的词云104。例如,意图处理系统102可以识别与品牌的客户在一段时间内(例如,每天、每周、每月等)通常提交的意图相关联的意图术语和短语。替选地,意图处理系统102可以识别与客户108在与品牌交互平台的先前交互期间提交的历史意图或问题相关联的意图术语和短语。例如,当客户108和与品牌交互平台相关联的代理116通信时,意图处理系统102可以评估在客户108和代理116之间交换的任何消息,以识别一个或多个意图。意图的示例可以包括(例如)主题(topic)、情绪、复杂性和紧急性。主题可以包括但不限于话题、产品、服务、技术问题、使用问题、投诉、退款请求或购买请求等。例如,可以基于对消息的语义分析(例如,通过识别关键字、句子结构、重复的词、标点符号和/或非冠词)、用户输入(例如,已经选择了一个或多个类别)、和/或与消息相关的统计信息(例如,键入速度和/或响应延迟)来确定意图。
在一些实施方式中,消息的评估使用被配置成对消息进行语义分析并确定意图的人工智能或机器学习模型来执行。可以使用训练数据集和机器学习模型来限定用于特定类别的语义含义。为了执行该基于语义相似度的分类,可以使用编码器模型来对消息进行编码,编码器模型在将自然语言转换成矢量表示的数据上被训练。卷积神经网络可以用于将矢量分类成不同的语义类别。在一些实施方式中,消息通过关键字匹配系统以确定消息中是否有对应于有效字的字。如果没有检测到有效字,则可以使用人工智能或机器学习模型来处理消息以识别有效字。在某些情况下,可以通过让客户参与对话来识别意图,该对话可以包括澄清问题或请求附加信息。
在一些实施方式中,消息的评估使用被配置成对消息进行语义分析并确定意图的人工智能或机器学习模型来执行。可以使用训练数据集和机器学习模型来限定用于特定类别的语义含义。为了执行该基于语义相似度的分类,可以使用编码器模型来对消息进行编码,编码器模型在将自然语言转换成矢量表示的数据上被训练。卷积神经网络可以用于将矢量分类成不同的语义类别。在一些实施方式中,消息通过关键字匹配系统以确定消息中是否有对应于有效字的字。如果没有检测到有效字,则可以使用人工智能或机器学习模型来处理消息以识别有效字。
在一个实施方式中,意图处理系统102对品牌的客户的先前识别的意图执行分析,以确定在一段时间内检测到所识别的意图的频率。例如,意图处理系统102可以为该品牌的大量客户汇总在预定时间段(例如,每天、每周、每月等)内检测到或以其他方式处理的所有意图,并对汇总的意图执行统计分析,以确定每个意图在该预定时间段内的普遍性或频率。例如,对于特定意图,意图处理系统102可以确定在预定时间段内检测到意图的次数。使用该次数,意图处理系统102可以确定相比于其他意图的与检测到意图的频率相对应的百分比。作为说明性示例,如果在预定时间段内检测到二十次特定意图,并且在该同一时间段期间,意图处理系统102检测到一百个总意图(包括该特定意图),则特定意图的频率可以是20%。
在一个实施方式中,通过映射到球形对象的图形表示上的词云104呈现的意图术语和/或短语的尺寸基于在预定时间段内意图术语和/或短语的检测频率来确定。例如,意图处理系统102在预定时间段内频繁遇到的特定意图术语或短语可以使用词云104内的大字体来表示。替选地,与用于其他更频繁检测到的意图术语和/或短语的字体相比,意图处理系统102在预定时间段内不经常遇到的特定意图术语或短语可以使用较小的字体来表示。这可以允许客户108更容易地识别客户108可能感兴趣并且可能与客户的实际问题相关联的常见意图术语和/或短语。应当注意的是,尽管出于说明的目的在整个本发明中广泛使用球形对象,但是词云104可以被映射到其他三维对象(例如,立方体或长方体对象、n边三维对象、圆柱形对象等)的图形表示上。
如上所述,意图处理系统102可以识别与品牌的客户在一段时间内通常提交的意图相关联的意图术语和短语,或者与客户108在与品牌交互平台的先前交互期间提交的历史意图或问题相关联的意图术语和短语。因此,意图处理系统102可以基于与品牌的客户群的意图或客户108自身的意图相对应的意图术语和/或短语的频率来生成词云104。例如,可以向与GUI 106交互的客户108呈现与意图术语和/或短语相对应的词云104,该意图术语和/或短语的尺寸根据意图处理系统102在预定时间段内为大量客户检测到这些术语和/或者短语的频率来确定。替选地,词云104可以对应于根据意图处理系统102在预定时间段内为客户108检测到这些术语和/或短语的频率来确定尺寸的意图术语和/或短语。应该注意的是,预定时间段可以基于为其分析意图的群体而不同(例如,客户108与客户池等)。
在一个实施方式中,意图处理系统102实施机器学习算法或人工智能,其利用客户108和与品牌相关联的其他客户的历史对话数据作为输入来识别各种意图的不同意图术语和/或短语之间的关系。可以使用无监督训练技术来训练机器学习算法或人工智能。例如,可以使用聚类算法来分析输入消息和相应意图的数据集,以识别不同类型的意图术语和/或短语与不同意图或意图类型之间的相关性。可以使用样本成员属性和代表性属性(例如,历史数据、假设数据等)来训练以识别潜在配对的示例聚类算法可以包括k-均值聚类算法、模糊c-均值(FCM)算法、期望最大化(EM)算法、分层聚类算法、基于密度的具有噪声的应用的空间聚类(DBSCAN)算法等。基于使用输入消息和相应意图的数据集生成的机器学习算法或人工智能的输出,意图处理系统102可以将某些意图术语和/或短语分类为与特定意图相关联。因此,每个已知的意图可以与各种意图术语和/或短语相关联,当品牌的客户表达他们想要解决的问题或意图时,这些客户在与代理116和/或其他服务112交换的消息中通常使用这些意图术语或短语。
在一个实施方式中,当客户108访问GUI 106以发起与意图处理系统102的对话时,意图处理系统102呈现对应于与频繁遇到的意图(例如来自与品牌相关联的客户108或来自客户池)相关联的最普遍的意图术语和/或短语的顶级集群的词云104。使用光标或其他交互元素(例如,用于触摸屏显示元件的手指等),客户108可以从词云104中选择意图术语和/或短语,以提供客户108希望解决的问题或意图的初始指示。如上所述,词云104可以被映射到可以通过GUI 106操纵的球形对象的图形表示上。因此,客户108可以通过计算设备110与球形对象的图形表示交互,以旋转词云104,并且更容易地从界面106查看和选择期望的意图术语或短语。
在一个实施方式中,意图处理系统102通过界面106提供对话框字段118,客户108可以通过该对话框字段118向意图处理系统102提交针对特定问题或意图的消息或查询。如果客户108将文本字符串输入到对话框字段118中,则意图处理系统102可以评估该文本字符串以识别与已知意图相关联的任何意图术语和/或短语。例如,在一个实施方式中,意图处理系统102可以使用自然语言处理(NLP)来处理新的文本字符串,以识别由客户108通过对话框字段118表达的任何意图术语和/或短语。在一些情况下,意图处理系统102可以利用对输入到对话框字段118中的新文本字符串中表达的每个术语的关键字搜索来识别由客户108表达的任何意图术语和/或短语。应该注意的是,客户108可以使用附加的和/或替选通信方法向意图处理系统102传达消息。例如,客户108可以提供表达其希望由与品牌相关联的代理或其他服务解决的问题或意图的音频记录。因此,意图处理系统102可以使用NLP或其他人工智能来处理该音频记录,以识别与意图相关联的任何意图术语和/或短语。
在一个实施方式中,当客户108从词云104中选择意图术语或短语时,意图处理系统102更新词云104,以呈现可能属于与所选意图术语或短语相同集群的意图术语和/或短语的新集群。例如,基于客户108从词云104中选择的意图术语或短语,意图处理系统102可以查询聚类算法或其他人工智能来识别所选择的意图术语或短语的集群或分类。一旦意图处理系统102识别出所选择的意图术语或短语对应的集群或类别,意图处理系统102就可以识别出与该集群或类别相对应的其他意图术语和/或短语。意图处理系统102可以更新词云104以移除与该集群或类别不相关联的任何意图术语和/或短语。此外,意图处理系统102可以更新词云104,以呈现与最初选择的意图术语或短语的集群或类别相关联的那些意图术语和/或短语。
如果客户108不是从词云104中选择意图术语或短语,而是选择在对话框字段118中输入文本字符串,或者以其它方式通过GUI 106向意图处理系统102发送一个或多个消息,则意图处理系统102可以根据从客户的文本字符串或一个或多个消息中检测到的任何意图术语和/或短语来自动且实时地更新词云104。作为说明性示例,如果客户108提交文本字符串“嗨,我需要付款”,则意图处理系统102可以从该文本字符串中检测意图短语“付款”。检测到意图短语“付款”可以使得意图处理系统102识别和与付款相关联的意图相对应的意图术语和短语的集群。基于该集群内的意图术语和短语,意图处理系统102可以自动且实时地更新词云104以呈现这些意图术语和短语。在一些情况下,当客户108将文本字符串输入到对话框字段118中时,意图处理系统102可以动态地更新词云104。例如,意图处理系统102可以在文本字符串通过对话框字段118被提交时实时地评估该文本字符串。因此,随着意图处理系统102实时处理正在提交的文本字符串,词云104可以被持续更新。
在一个实施方式中,意图处理系统102根据客户108选择的意图术语和/或短语持续更新词云104,直到选择了与意图处理系统102可执行的动作相对应的意图术语或短语。例如,如果客户108从词云104中选择与付款方法(例如,“信用卡”、“通过支票”等)相对应的意图术语或短语,则意图处理系统102可以使计算设备110向客户108呈现付款授权屏幕,以向品牌提交付款。替选地,意图处理系统102可以将客户108重定向到付款处理服务,客户108可以通过该付款处理服务使用所选择的付款方法提交付款。作为又一示例,意图处理系统102可以向客户108分配代理116,该代理116可以与客户108通信以处理付款。
在一些情况下,如果意图处理系统102基于客户通过GUI 106对意图术语和/或短语的选择来识别意图,则意图处理系统102可以确定要将通信路由到哪个终结点。例如,如果客户108通过计算设备110先前已经与给定的代理116通信,则通信路由通常可以偏向于该同一代理116。一旦基于客户与GUI 106的交互以及对意图术语和/或短语的选择已经识别出意图,则可能影响路由的其他因素可以包括,例如,与先前通信有关的推断或识别的客户或代理情绪;当前通信的主题(例如,以及与先前通信的主题和/或与一个或多个代理116相关联的知识库相关的程度);代理116是否可用;和/或由代理116使用的计算设备114的预测的响应延迟。这些因素可以绝对地或相对于与其他代理116相对应的类似度量来考虑。重新路由规则(例如,客户端特定的或一般的规则)可以指示如何评估和加权这些因素以确定是否放弃代理一致性。
当计算设备110(或与同一客户108或账户相关联的其他计算设备)先前未和与代理相关联的给定计算设备114(例如,关于与客户端有关的事项)进行通信时,可以基于诸如以下的因素执行代理的选择:例如,各种代理的知识库与通信主题对应的程度、各种代理116在给定时间和/或通道类型上的可用性、代理116的类型和/或能力、客户108和代理116之间的语言匹配度、和/或个性分析。在一种情况下,规则可以标识如何确定诸如这些的一个或多个因素的子分数以及分配给每个分数的权重。通过组合(例如,求和)加权子分数,可以确定每个代理116的分数。然后可以通过比较代理的分数(例如,选择高分数或最高分数)来进行代理选择。
如果意图处理系统102基于所识别的意图确定另一服务112可以提供意图的解决方案,则意图处理系统可以将通信从客户108路由到对应于该另一服务112的终结点。例如,如果意图对应于安排对无线运营商服务发布的电话账单付款,则意图处理系统102可以将客户108路由到该无线运营商服务,以允许客户108通过计算设备110对现有电话账单进行付款。
在某些情况下,意图处理系统102可以监控客户108与代理116或其他服务112之间的通信,以基于客户对来自词云104的意图术语和/或短语的选择来确定关于客户意图的识别的客户情绪,并基于客户意图的识别来路由通信。例如,如果客户108在通信中表达意图处理系统102已经基于客户108选择的意图术语和/或短语选择了不期望的动作,则意图处理系统102可以利用该反馈来再训练用于将意图术语和/或短语与特定意图相关联的聚类算法或人工智能,以更准确地将客户的选择与适当意图相关联。作为另一示例,当客户108导航词云104以选择用于其意图的意图术语和/或短语时,如果客户108确定特定词云104内的意图术语或短语与客户的意图无关或不相关,则意图处理系统102可以再训练聚类算法或人工智能,以更准确地将先前选择的意图术语、意图短语、或输入到对话框字段118中的客户通信与对应于客户的实际意图的适当集群相关联。例如,如果客户108选择意图短语“付款计划”,并且意图处理系统102更新词云104以呈现与对应于对账单进行付款的意图相关联的意图术语和/或短语,则客户可以指示这些意图术语和/或短语与付款计划的创建无关。这可以使意图处理系统102更新聚类算法或人工智能,以更准确地将短语“付款计划”与和对应于付款计划的创建或管理的意图相关联的其他意图术语和/或短语相关联。
图2示出了根据至少一个实施方式的环境200的说明性示例,其中,品牌交互平台202的意图处理系统204通过界面提供意图集群的图形表示,通过该图形表示可以基于通过该界面对意图术语的客户选择来识别动作。在环境200中,客户214可以通过意图消息收发应用程序216访问品牌交互平台202。意图消息收发应用程序216可以由品牌交互平台202提供,并在客户的计算设备(例如智能手机、平板电脑、个人电脑等)上执行。在一些情况下,客户214可以使用安装在客户的计算设备上的浏览器应用程序通过网站或网络门户访问品牌交互平台202。
在一个实施方式中,意图消息收发应用程序216与意图处理系统204的应用程序交互系统210通信,以识别和呈现可由客户214用来开始定义意图的意图术语和/或短语的顶级集群。应用程序交互系统210可以在意图处理系统204的计算设备上实现,或者作为在品牌交互平台202的计算设备上执行的应用程序或可执行代码来实现。应用程序交互系统210可以访问由意图处理系统204维护的意图数据库206,以识别可能形成可以通过意图消息收发应用程序216呈现给客户214的意图术语和/或短语的顶级集群的意图术语和/或短语。意图数据库206可以包括和与不同意图相关联的已知意图术语和短语相对应的条目。此外,与已知意图术语或短语相对应的条目可以指示意图术语/短语与其他意图术语或短语(例如,与已知意图相关联的术语或短语的集群)之间的关系。如上所述,意图处理系统204可以利用聚类算法或人工智能来识别用于各种意图的不同意图术语和/或短语之间的关系。这些关系可以通过各种意图术语或短语条目被记录在意图数据库206中。
应用程序交互系统210可以通过意图消息收发应用程序216的GUI生成词云,该词云包括与所识别的顶级集群相对应的意图术语和短语。如上所述,词云可以被映射到球形对象的图形表示上,该球形对象可以通过意图消息收发应用程序216的GUI来操纵。例如,使用光标或其他交互元素(例如,用于触摸屏显示元件的手指或手写笔等),客户214可以操纵球形对象的图形表示(例如,沿着各种轴旋转等),以评估顶级集群的不同意图术语和/或短语。通过词云,客户214可以选择可以用于开始识别客户意图的特定意图术语或短语。
在一个实施方式中,如果客户214从词云中选择意图术语或短语,则应用程序交互系统210利用所选择的意图术语或短语从意图数据库206中识别相应的意图集群。如上所述,意图集群可以包括可以与特定意图和相应动作相关联的一组意图术语和/或短语。此外,意图集群可以定义不同意图术语和短语之间的关系。例如,意图短语“做出一些付款安排”可以与特定于付款的意图短语(例如“3@$40”、“5@$24”)相关联,由此这些意图短语可以与要进行的付款的数量和每个付款的金额相对应。此外,意图短语“做出一些付款安排”可能与其他意图术语和短语相关联,如“支付账单”、“信用卡”、等。应用程序交互系统210可以更新词云以呈现与从顶级集群中选择的初始意图术语或短语相对应的意图集群。
在一个实施方式中,响应于客户从词云中选择意图术语或短语,应用程序交互系统210将所选择的意图术语或短语提交给过程执行系统212,以识别可呈现给客户214的客户特定的意图术语或短语,以用于进一步限定客户的意图。过程执行系统212可以在意图处理系统204的计算设备上实现,或者作为在品牌交互平台202的计算设备上执行的应用程序或可执行代码来实现。使用上面的说明性示例,如果客户214选择意图短语“做出一些付款安排”,则过程执行系统212可以访问用户数据库208以访问客户的账户,并识别客户214可能与该品牌或与该品牌相关联的其他服务218有关的任何未结清账目。例如,如果过程执行系统212基于用户数据库208中的客户账户确定客户214具有$120的未结清余额,并且客户214已经选择了意图短语“做出一些付款安排”,则过程执行系统212可以生成付款特定的意图短语,例如“3@$40”、“5@$24”等。
在一些情况下,过程执行系统212可以访问意图数据库206,以识别可用于创建客户特定意图术语或短语的样本意图术语或短语。例如,与在账户上进行付款的意图相对应的意图集群可以包括诸如“X@$YY”之类的样本意图短语,其中“X”可以表示付款次数,“YY”可以表示每次付款的货币价值。基于客户214从顶级集群中选择的意图术语或短语,过程执行系统212可以识别样本意图短语,并利用来自用户数据库208的信息来个性化新的意图短语或术语。作为说明性示例,如果客户214已经选择了意图短语“做出一些付款安排”,并且过程执行系统212从相应的意图集群中识别出样本意图短语“X@$YY”,则过程执行系统212可以基于来自用户数据库208的客户账户来确定可以提供给客户214的不同付款项。基于这些不同的付款项,过程执行系统212可以修改样本意图短语以定义用于客户214的一个或多个个性化付款安排。例如,如果客户214具有$120的未结清余额并且客户214被批准将该未结清余额分成4-5次付款,过程执行系统212可以修改样本意图短语“X@$YY”以生成个性化意图短语“4@$30”和“5@$24”。过程执行系统212可以将这些个性化意图短语与样本意图短语和相应的意图集群相关联,使得任何个性化意图短语的客户选择都可以用于识别相应意图术语/短语和/或可以根据意图执行的动作。
在一个实施方式中,应用程序交互系统210可以通过经由意图消息收发应用程序216呈现给客户214的GUI突出显示意图集群中与先前选择的意图术语或短语相关的任何特定意图术语和/或短语。例如,如果客户214从词云中呈现的顶级集群中选择意图短语“做出一些付款安排”,则应用程序交互系统210可以更新词云以呈现与所选择的意图短语在同一意图集群中的大量意图术语和/或短语。此外,应用程序交互系统210可以从意图数据库206确定哪些意图术语和/或短语与所选择的意图术语或短语直接相关。例如,意图短语“做出一些付款安排”可能与意图短语“支付账单”、“3@40”、“1@$120”等直接相关。应用程序交互系统210可以更新通过GUI呈现的词云以突出显示这些直接相关的意图短语,从而使得客户214能够立即识别可以对应于客户意图的相关意图短语。突出显示意图术语或短语可以包括(但不限于)使用替选字体颜色、使用替选字体、使用替选字体大小、围绕相关意图术语或短语应用形状、等等。在一些情况下,可以基于直接相关的意图术语或短语与先前选择的意图术语或词组结合使用的频率来确定这些直接相关的意图术语或短语。
当客户214继续从词云中选择意图术语和/或短语时,应用程序交互系统210可以向过程执行系统212发送所选择的意图术语和/或短语的字符串,以确定所述所选择的意图术语和/或短语的字符串是否限定了特定客户意图,对于该特定客户意图,可以执行一个或多个动作以解决该意图。例如,如果客户214选择意图短语“做出一些付款安排”、“5@$24”和则过程执行系统212可以确定客户214希望使用/>为特定账户支付$24的初始付款。此外,过程执行系统212可以确定客户214希望在一段时间内向账户进行五次付款(例如,每月付款等)。因此,过程执行系统212可以更新用户数据库208中的客户账户,以根据所选择的术语来定义客户214的付款时间表,并且向应用程序交互系统210发送通知以向客户的计算设备上的/>发送账单信息以获得初始付款。可以通过向客户214提供与付款有关的信息,客户214可以通过该信息批准付款。
在一些情况下,如果过程执行系统212确定所识别的意图可以由另一服务218或代理220解决,则过程执行系统212可以根据所识别的目的将客户214重定向到另一服务218或代理220。如上所述,意图处理系统204可以确定将通信路由到哪个终结点。例如,如果客户214先前已经与给定代理220通信,则通信路由通常可以偏向于该同一代理220。一旦已经识别出意图,则可能影响路由的其他因素可以包括,例如,与先前通信有关的推断或识别的客户或代理情绪;当前通信的主题(例如,以及与先前通信的主题和/或与一个或多个代理220相关联的知识库相关的程度);代理220是否可用;和/或由代理220使用的计算设备的预测的响应延迟。这些因素可以绝对地或相对于与其他代理220相对应的类似度量来考虑。重新路由规则(例如,客户端特定的或一般的规则)可以指示如何评估和加权这些因素以确定是否放弃代理一致性。
如果过程执行系统212基于所识别的意图确定另一服务218可以为该意图提供解决方案,则过程执行系统212可以将通信从客户214路由到与该另一服务218相对应的终结点。例如,如果意图对应于安排对无线运营商服务发布的电话账单付款,则过程执行系统212可以将客户214路由到该无线运营商服务,以允许客户214对现有电话账单进行付款。过程执行系统212可以通过意图消息收发应用程序216将通信路由到与该另一服务218相对应的终结点。这可以允许客户214使用意图消息收发应用程序216与该另一服务218通信。
在一个实施方式中,作为提供包括普遍意图术语或短语的词云的图形表示的替选方案,意图消息收发应用程序216可以提供对话框字段或其他消息收发选项,通过对话框字段或其他消息收发选项,客户214可以与意图处理系统204进行通信。当客户214通过意图消息收发应用程序216将消息输入到对话框字段中时,应用程序交互系统210可以在消息被输入时动态且实时地处理该消息,以识别客户214使用的任何意图术语或短语。例如,应用程序交互系统210可以使用消息中的术语来查询意图数据库206,以确定这些术语中的任何术语是否对应于存储在意图数据库206中的意图术语或短语。在一些情况下,应用程序交互系统210可以使用NLP或人工智能来处理消息并识别消息中的任何意图术语或短语。
如果应用程序交互系统210识别出所提供的消息中的意图术语或短语,则应用程序交互系统210可以将该消息和识别出的意图术语或短语传递给意图处理系统204的过程执行系统212,以确定后续动作。在一个实施方式中,过程执行系统212利用机器学习算法或人工智能来基于应用程序交互系统210所提供的消息和所识别出的意图术语或短语来识别要执行的适当动作和/或要提供给客户214的响应。可以使用监督训练技术来训练机器学习算法或人工智能。例如,可以选择输入消息、相应意图术语和/或短语、以及对这些意图术语和/或短语的已知相关响应的数据集来训练机器学习模型。在一些实现方式中,可以评估机器学习模型,以基于输入样本消息和供应给机器学习模型的相应意图术语和/或短语来确定机器学习模型是否根据来自输入样本消息的意图术语和/或短语来识别对这些消息中的每一个的适当响应。基于该评估,可以修改机器学习模型以增加机器学习模型生成期望结果的可能性(例如,用以征求用于识别附加意图术语和/或短语或者识别适当动作的附加消息的后续响应)。机器学习模型还可以通过征求包括客户214在内的客户关于从其消息中识别意图术语和/或短语以及响应于客户214提交的消息而提供的响应的反馈来动态地训练。
作为说明性示例,当客户214将“嗨,我想做出一些付款安排”输入到对话框字段中时,应用程序交互系统210可以检测意图短语“做出一些付款安排”,并在对话框字段中突出显示该短语。如果客户214选择了该意图短语,则应用程序交互系统210可以将输入的消息和所选择的意图短语提供给过程执行系统212,过程执行系统212可以使用该消息和所选择的意图短语作为机器学习算法的输入来确定如何行进。作为输出,机器学习算法可以指示响应“当然,有多少个付款?”以从客户214征求要进行的付款次数的指示。如果客户214用数值进行响应,则应用程序交互系统210可以突出显示该数值,并允许客户214指示这是客户214希望随着时间的推移进行的付款的次数。因此,应用程序交互系统210可以在过程执行系统212提交的查询的上下文中评估客户的响应。在一些情况下,应用程序交互系统210可以利用NLP或人工智能来处理在客户214和过程执行系统212之间交换的消息,以将这些消息置于上下文中,并识别意图术语/短语以及可以用于识别可以执行的动作的附加响应。
基于从客户的消息中识别的意图术语/短语以及对过程执行系统212提交的查询提交的响应,过程执行系统212可以确定是否可以执行动作。返回到上面的说明性示例,一旦客户214已经指示了他们想要进行的付款次数,过程执行系统212就可以提供响应,“好的。你想要如何付款?”以征求客户214的进一步响应。此外,过程执行系统212可以提供客户214可以从中选择以用于提交付款的一个或多个可能的动作(例如,信用卡、或支票)。如果客户214选择了这些可能的动作中的一个,则过程执行系统212可以执行一个或多个动作以便于根据所选择的付款方法进行付款。因此,过程执行系统212可以利用由客户214提交的消息和任何识别的意图术语和/或短语来识别实际意图,并且基于所识别的意图来确定可以执行什么动作来解决该实际意图。
在一个实施方式中,如果过程执行系统212基于所识别的意图将客户214引导到另一服务218或代理220,则过程执行系统212可以监控客户214与代理220或另一服务218之间的通信,以确定关于客户意图的识别以及基于客户意图的识别路由通信的客户情绪。例如,如果客户214在通信中表达过程执行系统212已经基于客户214选择的意图术语和/或短语选择了不期望的动作,则意图处理系统204可以利用该反馈来再训练用于将意图术语和/或短语与特定意图相关联的聚类算法或人工智能,以更准确地将客户的选择与适当意图相关联。作为另一示例,当客户214导航词云以选择用于其意图的意图术语和/或短语时,如果客户214确定特定词云内的意图术语和/或短语与客户的意图无关或不相关,则意图处理系统204可以再训练聚类算法或人工智能,以更准确地将先前选择的意图术语、意图短语、或通过意图消息收发应用程序提供的客户通信与对应于客户的实际意图的适当集群相关联。
图3示出了根据至少一个实施方式的环境300的说明性示例,其中,意图处理系统302基于意图术语的相似性和使用频率生成并呈现各种意图集群。在环境300中,客户可以访问品牌交互平台的意图处理系统302,以针对特定意图或问题发起与意图处理系统302的对话。例如,客户可以访问意图处理系统302以提供对现有服务的付款。作为另一示例,客户可以访问意图处理系统302,以指示客户希望解决的从该品牌购买的特定商品的问题。
如上所述,意图处理系统302可以提供GUI 310,通过该GUI 310可以向客户呈现映射到球形对象306的图形表示上的一个或多个词云304,该球形对象306可以通过GUI 310进行操纵。通过GUI 310呈现的每个球形对象306可以对应于与特定意图相关联的意图术语和/或短语的集群。在一些情况下,意图处理系统302可以通过GUI 310呈现与意图术语和/或短语的顶级集群相对应的主球形对象和与意图术语和/或短语的较低级集群相对应的一个或多个子级别球形对象。例如,如上所述,对应于顶级集群的主球形对象可以包括与频繁遇到的意图(例如,来自与品牌相关联的客户或客户池)相关联的最普遍的意图术语和/或短语。该一个或多个子级别球形对象可以对应于与特定意图相关联的意图术语和/或短语。该一个或多个子级别球形对象中的每一个的尺寸可以与意图处理系统302在一段时间(例如,每周、每月等)内检测到相关联意图的频率相对应。
在一个实施方式中,球形对象306的每个图形表示的尺寸与球形对象离客户的计算设备的前部和GUI 310的点击区域的距离成比例。例如,球形对象306的图形表示可以在GUI 310的主要点击区域(例如GUI 310中客户交互最多的部分)内具有更大的尺寸,而球形对象306的图形表示可以在GUI 310的次要点击区域(例如GUI 310的客户交互被中断或不如主要点击区域频繁的部分)内具有较小的尺寸。随着球形对象从GUI 310的主要点击区域和次要点击区域漂移,这些球形对象的尺寸可以继续减小,直到达到最小尺寸阈值。
在一个实施方式中,不是呈现对应于意图术语和/或短语的顶级集群的主球形对象和对应于意图术语和/或短语的较低级别集群的一个或多个子级别球形对象,通过GUI310呈现的球形对象306的图形表示可以对应于与意图处理系统302从客户与代理或其他服务之间的通信中检测到的最普遍意图相对应的顶级集群。在一个实施方式中,意图处理系统302可以使用一个或多个聚类算法或人工智能来定义要使用球形对象306在GUI 310内图形化地表示的顶级集群的数量。例如,意图处理系统302可以利用术语频率-逆文档频率(TFIDF)、奇异值分解(SVD)、和具有标签的K-均值聚类算法的组合来定义顶级集群的数量。如上所述,意图处理系统302对品牌的客户的先前识别的意图执行分析,以确定在一段时间内检测到所识别的意图的频率。意图处理系统302可以汇总在预定时间段(例如,每天、每周、每月等)内为该品牌的大量客户检测到或以其他方式处理的所有意图,并对汇总的意图执行统计分析,以确定每个意图在预定时间段内的普遍性或频率。例如,对于特定意图,意图处理系统102可以确定在预定时间段内检测到意图的次数。使用这个数字,意图处理系统302可以识别更普遍或更频繁的意图,这些意图可以用于定义要通过GUI 310呈现的顶级集群。
在一个实施方式中,对于每个顶级集群,意图处理系统302可以确定要在对应于顶级集群的词云中呈现的意图术语和/或短语的密度。顶级集群的密度可以由客户输入的意图术语和/或短语与其他顶级集群相比的相似性来驱动。意图处理系统302可以利用聚类算法或人工智能来确定特定顶级集群的密度。例如,意图处理系统302可以使用TFIDF、SVD和K-均值聚类算法的组合来识别顶级集群的意图术语和/或短语。意图处理系统302然后可以计算所识别的意图术语和/或短语相对于其他顶级集群的其他意图术语和/或短语的差异。这可能会导致差异分数。可以基于差异分数来确定顶级集群的密度。例如,如果差异分数大,则顶级集群可能具有高密度(例如,包括大量意图术语和/或短语)。相反,如果差异分数低,则顶级集群可能具有较低的密度(例如,包括较少数量的意图术语和/或短语)。
在一些情况下,意图处理系统302可以将GUI 310内的球形对象306的每个图形表示配置为沿单个轴自动旋转。此外,球形对象306可以被配置为以类似于太阳系的方式表现,由此,球形对象306可沿着中心轴旋转,从而用作围绕不可见球形对象的卫星。当球形对象306沿着该中心轴旋转时,每个球形对象306的尺寸可以基于其与计算设备的前部以及上述的主要和次要点击区域的接近程度而自动地和动态地改变。
在一个实施方式中,意图处理系统302可以基于客户意图请求尖峰来动态且实时地更新GUI 310。例如,当客户针对不同的问题和意图与GUI 310交互或以其他方式与意图处理系统302通信时,意图处理系统302可以实时地确定检测到这些问题和意图的频率。意图处理系统302可以基于该更新后的数据来确定是否需要对通过GUI 310呈现的顶级集群进行改变。例如,如果在短时间段内以更高的速率检测到一特定意图(例如,尖峰),则意图处理系统302可以实时更新GUI 310以呈现与该特定意图相对应的顶级集群。在一些情况下,意图处理系统302还可以从GUI 310中移除最不频繁的意图集群,以容纳与特定意图相对应的意图集群。因此,在任何给定时间,GUI 310都可以呈现与在给定时间具有最高体积的意图相对应的顶级集群。
应该注意的是,通过GUI 310使用球形对象306的图形表示呈现的意图集群可以基于除历史频率或体积之外的因素或标准来确定。例如,品牌可以基于特定的兴趣来定义哪些集群被呈现。作为说明性示例,如果品牌希望推广特定产品或服务,则该品牌可以向意图处理系统302指示通过GUI 310呈现的顶级集群将对应于与该特定产品或服务相关的意图。作为另一示例,意图处理系统302可以由于意图检测中的实时尖峰来生成用于意图的顶级集群。例如,如果意图处理系统302检测到与由于天气事件导致的航班取消相关的意图的尖峰,则意图处理系统302可以动态地且实时地定义与该意图相关的顶级集群。
在一个实施方式中,意图处理系统302通过GUI 310提供对话框字段308,客户可以通过该对话框字段输入文本字符串来传达其请求、问题或意图。如上所述,如果客户将文本字符串输入到对话框字段308中,则意图处理系统302可以评估该文本字符串以识别与已知意图相关联的任何意图术语和/或短语。例如,意图处理系统302可以使用NLP来处理新的文本字符串,以识别客户通过对话框字段308表达的任何意图术语和/或短语。在一些情况下,意图处理系统302可以利用对输入到对话框字段308中的新文本字符串中表达的每个术语的关键字搜索来识别由客户表达的任何意图术语和/或短语。基于所识别的意图术语和/或短语,意图处理系统302可以动态且实时地操纵与顶级集群相对应的球形对象306的图形表示,以呈现最可能的意图匹配。例如,意图处理系统302可以使球形对象306取向为使得和与所识别的意图术语和/或短语相关联的顶级集群相对于的球形对象显著地呈现在GUI 310的主要点击区域内,从而使得球形对象的尺寸根据其在主要点击区域内的位置而被调整(例如增大)。此外,意图处理系统302可以使球形对象取向为使得所识别的意图术语和/或短语被呈现得更靠近计算设备的前部。这可以允许客户从顶级集群中选择显著地显示的意图术语或短语,并继续提交其问题或意图。
图4示出了根据至少一个实施方式的环境的说明性示例,其中,意图处理系统402基于客户对来自顶级意图集群的意图术语的选择来更新界面412以聚焦于该顶级意图集群。在环境400中,客户可以与使用球形对象406的图形表示表示的顶级集群进行交互,以选择与客户的问题或意图相对应的特定意图术语或短语。例如,如图4所示,客户可以利用光标或其他交互元素(例如,用于触摸屏显示元件的手指或手写笔等)来从球形对象406的图形表示中选择意图术语或短语,该图形表示表示用于特定意图的意图术语和/或短语的顶级集群。
如上所述,意图处理系统402可以通过界面412呈现包括球形对象406、408的图形表示的词云404。这些球形对象406、408的图形表示中的每一者可以对应于与特定意图相关联的意图术语和/或短语的顶级集群。球形对象406、408的图形表示的尺寸可以根据它们与界面412的主要和次要点击区域以及与客户的计算设备的前部的接近程度来确定。例如,如图4所示,由于球形对象406位于在主要点击区域内并且靠近客户的计算设备的前部,因此球形对象406的图形表示与其他球形对象408的图形表示相比可以具有更大的尺寸。
意图处理系统402可以提供对话框字段410,客户可以通过该对话框字段410向意图处理系统402提交针对特定问题或意图的消息或查询。如果客户将文本字符串输入到对话框字段410中,则意图处理系统402可以评估该文本字符串以识别与已知意图相关联的任何意图术语和/或短语。如上所述,基于所识别的意图术语和/或短语,意图处理系统402可以动态且实时地操纵与顶级集群相对应的球形对象406、408的图形表示,以呈现最可能的意图匹配。例如,意图处理系统402可以使球形对象406、408取向为使得与所识别的意图术语和/或短语相关联的顶层集群相对应的球形对象406显著地呈现在界面412的主要点击区域内,从而使得球形对象406的尺寸根据其在主要点击区域内的位置而被调整(例如增大)。此外,意图处理系统402可以使球形对象406取向为使得所识别的意图术语和/或短语被呈现得更靠近计算设备的前部。
在一个实施方式中,如果客户从与顶级集群相对应的球形对象406的图形表示中选择了意图术语或短语,则意图处理系统402更新界面412以仅在词云404内呈现与顶级集群相对应的球形对象406。意图处理系统402可以移除其他球形对象408的图形表示,以允许客户仅聚焦于与所选择的意图术语或短语相对应的顶级集群。此外,客户可以通过界面412查看属于顶级集群的其他意图术语和/或短语,这可以允许客户选择其他意图术语和/或短语以进一步定义其问题或意图。
在一些情况下,当意图处理系统402更新界面412以呈现与包括客户选择的意图术语或短语的顶层集群相对应的球形对象406时,意图处理系统402可以突出显示来自顶级集群的与先前选择的意图术语或短语相关的任何特定意图术语和/或短语。例如,如果客户从词云404中呈现的顶级集群中选择意图短语“安排付款”,则意图处理系统402可以确定哪些意图术语和/或短语与该意图短语直接相关。例如,如图4所示,意图短语“安排付款”可以与意图短语“付款计划”、“支付账单”、“3@$40”、“1@$120”等直接相关。意图处理系统402可以更新通过界面412呈现的词云404以突出显示这些直接相关的意图短语,从而使得客户能够立即识别可以对应于客户意图的相关意图短语。突出显示意图术语或短语可以包括(但不限于)使用替选字体颜色、使用替选字体、使用替选字体大小、围绕相关意图术语或短语应用形状、等等。
图5示出了根据至少一个实施方式的环境500的说明性示例,其中,意图处理系统502基于客户对来自意图集群的特定意图术语508的选择来更新界面512以呈现来自该意图集群的相关意图术语。在环境500中,意图处理系统502可以在通过界面512呈现的词云504内呈现与特定意图相对应的意图集群。该意图集群可以是图形化地表示在可以通过界面512进行操纵的球形对象上的顶层集群。例如,客户可以利用光标或其他交互元素(例如,用于触摸屏显示元件的手指或手写笔等)来沿着一个或多个自由度操纵与意图集群相对应的球形对象。当客户通过界面512操纵球形对象时,意图处理系统502可以根据意图集群的意图术语和/或短语在球形对象上的相对位置来动态且实时地修改每个意图术语和/或短语的尺寸。这可以允许客户操纵球形对象以访问特定意图术语或短语以进行选择。
图5中所示的词云504可以对应于上面结合图4描述的球形对象406。例如,词云504可以包括与顶级集群相对应的球形对象,该顶级集群包括与客户选择的意图短语“安排付款”相关联的意图术语和/或短语。如图5所示,客户可以选择意图短语506(“3@$40”)来指示客户想要创建付款计划,由此客户可以针对未结清余额提交三次$40的付款。如上所述,意图处理系统502可以识别可用于创建客户特定的意图术语或短语的样本意图术语或短语。例如,与在账户上进行付款的意图相对应的意图集群可以包括诸如“X@$YY”之类的样本意图短语,其中“X”可以表示付款次数,“YY”可以表示每次付款的货币价值。基于客户从顶级集群中选择的意图术语或短语(例如,“安排付款”),意图处理系统502可以识别样本意图短语,并根据关于客户的可用信息对新意图短语或术语进行个性化。
如图5所示,如果客户已经选择了意图短语“安排付款”,并且意图处理系统502从相应的意图集群中识别出样本意图短语“X@$YY”,则意图处理系统502可以基于客户的账户来确定可以提供给客户的不同付款项。基于这些不同的付款项,意图处理系统502可以修改样本意图短语以定义用于客户的一个或多个个性化付款安排。例如,并且如图5所示,如果客户24具有$120的未结清余额,并且客户被批准将该未结清余额分成1-5次付款,则意图处理系统502可以修改样本意图短语“X@$YY”以生成个性化意图短语“1@$120”、“2@$60”、“3@$40”、“4@$30”和“5@$24”。意图处理系统502可以将这些个性化意图短语与样本意图短语和相应的意图集群相关联,使得客户对任何个性化意图短语的选择可以用于识别相应的意图术语/短语和/或可以根据意图执行的动作。
如果客户从词云504中选择了特定的意图术语或短语506,则意图处理系统502可以动态更新词云504,以呈现来自意图集群的与所选择的意图术语或短语506直接关联的任何意图术语和/或短语508。例如,意图处理系统502可以动态地旋转或以其他方式操纵与意图集群相对应的球形对象,以呈现与所选择的意图术语或短语506直接相关的一个或多个意图术语和/或短语508。作为说明性示例,如果客户选择意图短语“3@$40”,则意图处理系统502可以将意图术语和短语“支票”、和“信用卡”识别为与所选择的意图短语直接相关。意图处理系统502可以通过界面512旋转或以其他方式操纵与意图集群相对应的球形对象,以显著地特征化意图术语和短语“支票”、/> 和“信用卡”。在一些情况下,意图处理系统502还可以如上所述突出显示这些直接相关的意图短语508,以使客户能够立即识别可以对应于客户意图的相关意图短语。
在一些情况下,客户还可以通过对话框字段510与意图处理系统502通信,以提供与其问题或意图有关的附加上下文。意图处理系统502可以使用该附加上下文来确定哪些意图术语和/或短语可以对应于客户的问题或意图。作为说明性示例,如果客户在对话框字段510中输入消息“我想安排3次付款”,则意图处理系统502可以使用NLP来处理该消息,以从词云504中呈现的意图集群中识别意图短语506(“3@$40”)。基于意图短语506的该识别,意图处理系统502可以动态且实时地操纵与意图集群相对应的球形对象的图形表示,以呈现最可能的意图匹配(例如,“3@$40”)。例如,意图处理系统502可以将意图集群在词云504内取向为使得所识别的意图术语和/或短语被呈现得更靠近计算设备的前部。这可以允许客户从意图集群中选择显著地显示的意图术语或短语,并继续提交其问题或意图。
图6示出了根据至少一个实施方式的环境600的说明性示例,其中,意图处理系统602基于对与一个或多个动作相关联的一个或多个意图术语606的选择来执行所述一个或多个动作。在环境600中,意图处理系统602可以检测到客户已经从意图集群中选择了意图术语或短语606,该意图术语或短语606与可以执行以解决特定意图或问题的一个或多个动作相关联。例如,如图6所示,当客户从通过界面612呈现的词云604中选择了意图短语时,意图处理系统602可以评估意图短语606,以确定意图短语606是否与可以为客户执行的一个或多个动作相关联。
如上所述,当客户继续从词云604中选择意图术语和/或短语时,意图处理系统602可以使用所选择的意图术语和/或短语的字符串来确定所选择的意图术语和/或短语的字符串是否定义了特定客户意图,针对该特定客户意图可以执行一个或多个动作来解决该意图。例如,如果客户选择了意图短语“安排付款”、“3@$40”和则意图处理系统602可以确定客户希望使用/> 为特定账户支付$40的初始付款。此外,意图处理系统602可以确定客户希望在一段时间内向该账户进行三次付款(例如,每月付款等)。因此,意图处理系统602可以更新客户的账户以根据所选择的术语为客户定义付款时间表,并且将账单信息发送到客户的计算设备上的/>以获得初始付款。可以通过付款窗口608向客户提供与付款有关的信息,客户可以通过该窗口批准付款。
继续图6所示的说明性示例,当客户通过付款窗口608授权付款时, (或客户的计算设备上的其他数字钱包服务或应用程序)可以将付款信息发送到与品牌相关联的付款处理服务610,以实现客户的意图或问题。付款处理服务610可以向意图处理系统602发送收据或其他确认,以指示已经根据客户的意图或问题处理了客户的付款。这可以使意图处理系统602更新界面612,以向客户提供数字收据或其他针对付款的确认。
应该注意的是,可执行以解决意图的一个或多个动作可以包括与付款或账单问题无关的动作。例如,如果意图处理系统602基于客户通过界面612对意图术语和/或短语的选择来识别意图,则意图处理系统602可以确定要将通信路由到哪个终结点。例如,如果客户先前已经与给定的代理通信,则通信路由通常可以偏向于该同一代理。一旦基于客户与界面612的交互以及对意图术语和/或短语的选择已经识别出意图,则可能影响路由的其他因素可以包括,例如,与先前通信有关的推断或识别的客户或代理情绪;当前通信的主题(例如,以及与先前通信的主题和/或与一个或多个代理相关联的知识库相关的程度);代理是否可用;和/或由代理使用的计算设备的预测的响应延迟。如果客户之前没有与给定的代理进行过通信,则可以如上所述执行代理选择。
图7示出了根据至少一个实施方式的过程700的说明性示例,该过程700用于基于意图和意图术语之间的相似性来生成意图集群以通过界面呈现给客户。过程700可以由品牌交互平台的意图处理系统来执行。在步骤702,意图处理系统可以确定在客户和与特定品牌相关联的代理/其他服务之间的通信期间先前处理的用户提供的意图之间的相似性。例如,意图处理系统可以利用机器学习算法或人工智能,该机器学习算法或人工智能被配置为使用与品牌相关联的客户的历史对话数据作为输入,以识别用于各种意图的不同意图术语和/或短语之间的关系。如上所述,可以使用无监督训练技术来训练机器学习算法或人工智能。例如,可以使用聚类算法来分析输入消息和相应意图的数据集,以识别不同类型的意图术语和/或短语与不同意图或意图类型之间的相关性。
在步骤704,意图处理系统可以基于从历史对话数据中识别的各种意图术语和/或短语之间的所识别的相似性来识别一个或多个意图集群。例如,使用输入消息和相应意图的数据集生成的机器学习算法或人工智能的输出可以包括根据与特定意图相关联的不同集群对各种意图术语和/或短语的分类。因此,基于该输出,意图处理系统可以将某些意图术语和/或短语分类为与特定意图相关联。因此,每个已知的意图可以与品牌的客户当表达他们想要解决的问题或意图时在与代理和/或其他服务交换的消息中通常使用的各种意图术语和/或短语相关联。
在步骤706,意图处理系统可以基于与相应意图相关联的参数来确定意图集群的等级结构。如上所述,意图处理系统可以对品牌的客户的先前识别的意图执行分析,以确定在一段时间内检测到所识别的意图的频率。例如,意图处理系统可以为品牌的大量客户汇总在预定时间段(例如,每天、每周、每月等)内检测到或以其他方式处理的所有意图,并对汇总的意图执行统计分析,以确定每个意图在预定时间段内的普遍性或频率。例如,对于特定意图,意图处理系统可以确定在预定时间段内检测到意图的次数。使用该次数,意图处理系统可以确定相比于其他意图的与检测到意图的频率相对应的百分比。
如上所述,通过意图处理系统提供的GUI呈现的球形对象的图形表示可以对应于与意图处理系统从客户与代理或其他服务之间的通信中检测到的最普遍意图相对应的顶级集群。在一个实施方式中,意图处理系统302可以使用一个或多个聚类算法或人工智能来定义要使用球形对象在GUI内图形化表示的顶级集群的数量。例如,意图处理系统可以利用TFIDF、SVD和具有标签的K-均值聚类算法的组合来定义顶级集群的数量。基于对品牌的客户的先前识别意图的分析以确定在一段时间内检测到所识别的意图的频率,意图处理系统可以对汇总的意图执行统计分析,以确定每个意图在预定时间段内的普遍性或频率。例如,对于特定意图,意图处理系统可以确定在预定时间段内检测到意图的次数。使用该次数,意图处理系统可以识别可用于定义意图集群的等级结构的更普遍或更频繁的意图。
在步骤708,意图处理系统可以根据所确定的意图集群的等级结构和已知界面点击区域来生成意图集群的图形表示。如上所述,球形对象的每个图形表示的尺寸与球形对象与客户的计算设备的前部和GUI的点击区域的接近程度成比例。例如,球形对象的图形表示可以在GUI的主要点击区域(例如,GUI中客户交互最多的部分)内具有较大的尺寸,而球形对象的图形表示可以在GUI的次要点击区域(例如GUI的客户交互被中断或不如主要点击区域频繁的部分)内具有较小的尺寸。随着球形对象从GUI的主要点击区域和次要点击区域漂移,这些球形对象的尺寸可以继续减小,直到达到最小尺寸阈值。
通过GUI呈现的每个球形对象可以对应于与特定意图相关联的意图术语和/或短语的集群。在一些情况下,意图处理系统可以通过GUI呈现对应于与最普遍意图相关联的意图术语和/或短语的顶级集群的主球形对象、以及对应于与不太普遍的意图相对应的意图术语和/或短语的较低级别集群的一个或多个子级别球形对象。一个或多个球形对象中的每一个的尺寸可以与意图集群的等级结构相对应,其中该等级结构对应于意图处理系统在一段时间(例如,每周、每月等)内检测到相关意图的频率。
应该注意的是,过程700可以使用附加和/或替选步骤来执行。例如,一个或多个意图集群的图形表示可以独立于已知的界面点击区域而生成。作为说明性示例,意图处理系统可以使用一个或多个聚类算法或人工智能来定义要使用球形对象在GUI内图形化地表示的顶级集群的数量。意图处理系统可以利用TFIDF、SVD和具有标签的K-均值聚类算法来定义顶级集群的数量。虽然可以基于意图集群的等级结构来识别顶级集群,但是意图处理系统可以将GUI内的每个球形对象的图形表示配置为沿着单独的轴自动旋转。此外,球形对象可以被配置为以类似于太阳系的方式表现,由此球形对象可以沿着中心轴旋转,用作围绕不可见球形对象的卫星。当球形对象沿着该中心轴旋转时,每个球形对象306的尺寸可以基于其与计算设备的前部的接近程度以及上述的主要和次要点击区域而自动且动态地改变。因此,GUI内的顶级集群的尺寸和移动可以独立于由意图处理系统确定的意图集群的等级结构。
图8示出了根据至少一个实施方式的过程800的说明性示例,该过程用于基于对一个或多个意图术语的选择来执行一个或多个动作,该一个或多个意图术语来自通过界面呈现的意图术语的集群。过程800可以由品牌交互平台的意图处理系统来执行。在步骤802,意图处理系统可以检测用户对意图术语的特定集群的选择。如上所述,访问品牌交互平台的客户可以被呈现界面,通过该界面,客户可以与词云交互以定义可以由意图处理系统解决的意图或问题。意图处理系统可以通过界面呈现包括球形对象的图形表示的词云。这些球形对象的图形表示中的每一个可以对应于与特定意图相关联的意图术语和/或短语的顶级集群。球形对象的图形表示的尺寸可以根据它们与界面的主要和次要点击区域以及与客户的计算设备的前部的接近程度来确定。
如果客户从对应于顶级集群的球形对象的图形表示中选择了意图术语或短语,则在步骤804,意图处理系统可以通过界面隔离所选择的意图术语的集群。例如,意图处理系统可以更新界面以仅呈现与词云中的所选择的顶级集群相对应的球形对象。意图处理系统可以移除其他球形对象的图形表示,以允许客户仅聚焦于与所选择的意图术语或短语相对应的顶层集群。此外,客户可以通过界面查看属于该顶级集群的其他意图术语和/或短语,这可以允许客户选择其他意图术语或短语以进一步定义其问题或意图。
在步骤806,意图处理系统可以检测用户从与特定意图相对应的意图术语和/或短语的隔离集群中对意图术语的选择。例如,客户可以利用光标或其他交互元素(例如,用于触摸屏显示元件的手指或手写笔等)来沿着一个或多个自由度操纵与意图集群相对应的球形对象。此外,客户可以利用光标或其他交互元素从隔离的集群中选择意图术语或短语,以进一步定义其意图或问题。如果客户选择了特定的意图术语或短语,则意图处理系统可以检测到该选择。
在步骤808,意图处理系统可以确定所选择的意图术语或短语是否对应于特定意图的其他意图术语或短语。如果意图处理系统确定所选择的意图术语或短语对应于特定意图的其他意图术语或短语,则在步骤810,意图处理系统可以更新界面以呈现这些其他意图术语或者短语,并返回到步骤804,在此意图处理系统可以隔离意图术语的集群以突出显示这些其他意图术语或短语。例如,意图处理系统可以动态地更新界面以呈现来自意图集群的与所选择的意图术语或短语直接关联的任何意图术语和/或短语。例如,意图处理系统可以动态地旋转或以其他方式操纵与意图集群相对应的球形对象,以呈现与所选择的意图术语或短语直接相关的一个或多个意图术语和/或短语。在一些情况下,意图处理系统还可以如上所述突出显示这些直接相关的意图术语和/或短语,以使客户能够立即识别可以对应于客户意图的相关意图短语。
如果意图处理系统确定所选择的意图术语或短语不对应于来自意图集群的任何其他意图术语或短语,则在步骤812,意图处理系统可以执行和与所选择的意图术语和/或短语相关联的意图相对应的一个或多个动作。作为说明性示例,如果客户选择了意图短语“安排付款”、“3@$40”和则意图处理系统可以确定客户希望使用为特定账户支付$40的初始付款。此外,意图处理系统可以确定客户希望在一段时间内向该账户进行三次付款(例如,每月付款等)。因此,意图处理系统可以更新客户的账户以根据所选择的项为客户定义付款时间表,并且将账单信息发送到客户的计算设备上的/>以获得初始付款。可以通过/>付款窗口向客户提供与付款有关的信息,客户可以通过该窗口批准付款。此外,当客户通过付款窗口授权付款时,(或客户的计算设备上的其他数字钱包服务或应用程序)可以将付款信息发送到与品牌相关联的付款处理服务,以实现客户的意图或问题。
图9示出了根据一些实现方式的计算系统架构900,其包括使用诸如总线的连接906彼此电通信的各种部件。示例系统架构900包括处理单元(CPU或处理器)904和系统连接906,系统连接906将包括系统存储器920(例如ROM 918和RAM 916)的各种系统部件联接到处理器904。系统架构900可以包括高速存储的高速缓存902,该高速缓存902直接与处理器904连接、极为接近于处理器904、或者集成为处理器904的一部分。系统架构900可以将数据从存储器920和/或存储设备908复制到高速缓存902以便由处理器904快速访问。以这种方式,高速缓存可以提供性能提升,避免处理器904在等待数据时延迟。这些和其他模块可以控制或被配置为控制处理器904执行各种动作。
也可以使用其他系统存储器920。存储器920可以包括具有不同性能特性的多种不同类型的存储器。处理器904可以包括:任何通用处理器和硬件或软件服务,例如存储在存储设备908中的服务1 910、服务2 912和服务3 914,这些服务被配置为控制处理器904以及软件指令被并入实际的处理器设计中的专用处理器。处理器904可以是包含多个核或处理器、总线、存储器控制器、高速缓存等的完全独立的计算系统。多核处理器可以是对称的或不对称的。
为了使用户能够与计算系统架构900进行交互,输入设备922可以表示任何数量的输入机构,诸如用于讲话的麦克风、用于手势或图形输入的触敏屏幕、键盘、鼠标、运动输入、讲话等等。输出设备924也可以是本领域技术人员已知的多种输出机构中的一种或多种输出机构。在一些情况下,多模式系统可以使用户能够提供多种类型的输入以与计算系统架构900通信。通信接口926可以总体上管理和控制用户输入和系统输出。对在任何特定硬件布置上的操作没有限制,因此随着硬件或固件布置的发展,这里的基本特征可以很容易替代为改进的硬件或固件布置。
存储设备908是非易失性存储器并且可以是硬盘或者可以存储可由计算机访问的数据的其他类型的计算机可读介质,诸如磁带盒、闪存卡、固态存储器设备、数字通用光盘、盒式磁带、RAM 916、ROM 918及其混合。
存储设备908可以包括用于控制处理器904的服务910、912、914。可以设想其他硬件或软件模块。存储设备908可以连接到系统连接906。在一个方面,执行特定功能的硬件模块可以包括存储在与所需的硬件部件连接的计算机可读介质中的软件组件,以执行所述功能,所述硬件部件诸如处理器904、连接906、输出设备924等等。
可以使用计算系统执行所公开的方法。示例计算系统可以包括处理器(例如,中央处理单元)、存储器、非易失性存储器、和接口设备。存储器可以存储数据和/或一个或多个代码集、软件、脚本等。计算机系统的组件可以经由总线或通过某一其他已知或方便的设备联接在一起。处理器可以被配置为例如通过执行例如存储在存储器中的代码来执行本文所描述的方法的全部或部分。用户设备或计算机、提供商服务器或系统、或者暂停数据库更新系统中的一者或多者可以包括计算系统的组件或这种系统的变型系统的组件。
本发明预想到采用任何合适的物理形式的计算机系统,包括但不限于销售点系统(“POS”)。作为示例而非限制,计算机系统可以是嵌入式计算机系统、片上系统(SOC)、单板计算机系统(SBC)(诸如,例如模块计算机(COM)或模块系统(SOM))、台式计算机系统、膝上型或笔记本计算机系统、交互式自助服务终端(kiosk)、大型机、计算机系统网格、移动电话、个人数字助理(PDA)、服务器、或以上两者或更多者的组合。适当时,计算机系统可以:包括一个或多个计算机系统;为统一的或分布式的;跨多个位置;跨多个机器;和/或驻留在云中,该云可以包括一个或多个网络中的一个或多个云组件。适当时,一个或多个计算机系统可以基本上没有空间或时间限制而执行本文所描述或所示出的一种或多种方法的一个或多个步骤。作为示例而非限制,一个或多个计算机系统可以实时或以批量模式执行本文所描述或所示出的一种或多种方法的一个或多个步骤。在适当的情况下,一个或多个计算机系统可以在不同时间或在不同位置执行本文所描述或所示出的一种或多种方法的一个或多个步骤。
处理器可以例如为传统微处理器,诸如英特尔奔腾微处理器或摩托罗拉功率PC微处理器。相关领域技术人员能够认识到术语“机器可读(存储)介质”或“计算机可读(存储)介质”包括可由处理器访问的任何类型的设备。
存储器可以通过例如总线联接到处理器。通过示例而非限制,存储器可以包括随机存取存储器(RAM),诸如动态RAM(DRAM)和静态RAM(SRAM)。存储器可以是本地的、远程的、或分布式的。
总线还可以将处理器联接到非易失性存储器和驱动单元。非易失性存储器通常是磁性软盘或硬盘、磁光盘、光盘、只读存储器(ROM)(诸如CD-ROM、EPROM、或EEPROM)、磁卡或光卡、或另一种形式的用于大量数据的存储装置。该数据中的某些数据通常在计算机中的软件执行期间通过直接存储器访问过程来写入存储器中。非易失性存储装置可以是本地的、远程的、或分布式的。非易失性存储器是可选的,因为可以使用存储器中可用的所有适用数据创建系统。典型的计算机系统通常会至少包括处理器、存储器、以及将存储器联接到处理器的设备(例如,总线)。
软件可以存储在非易失性存储器和/或驱动单元中。实际上,对于大的程序,甚至可能不能将整个程序存储在存储器中。然而,应当理解,对于要运行的软件,如果需要,其可以移动到适于处理的计算机可读位置,并且为了说明目的,该位置在本文中称为存储器。即使当软件被移动到存储器以用于执行,处理器也可以使用硬件寄存器来存储与软件相关联的值以及使用理想地用于加速执行的本地缓存。如本文所使用的,当软件程序被称为“在计算机可读介质中实施的”时,软件程序被假设为存储在任何已知或方便位置(从非易失性存储装置至硬件寄存器)。当与程序相关联的至少一个值存储在可由处理器读取的寄存器中时,该处理器被认为是“被配置为执行程序”。
总线还可以将处理器联接到网络接口设备。接口可以包括调制解调器或网络接口中的一者或多者。能够理解,调制解调器或网络接口可以被视为计算机系统的一部分。接口可以包括模拟调制解调器、综合业务数字网(ISDN)调制解调器、线缆调制解调器、令牌环接口、卫星传输接口(例如,“直接PC”)、或其他用于将一计算机系统联接到其他计算机系统的接口。接口可以包括一个或多个输入和/或输出(I/O)设备。通过示例而非限制,I/O设备可以包括键盘、鼠标或其他定点设备、磁盘驱动器、打印机、扫描仪、以及其他输入和/或输出设备(包括显示设备)。通过示例而非限制,显示设备可以包括阴极射线管(CRT)、液晶显示器(LCD)、或某一其他适用的已知或方便的显示设备。
在操作中,计算机系统可由包括文件管理系统(诸如磁盘操作系统)的操作系统软件控制。具有相关联的文件管理系统软件的操作系统软件的一个示例是来自华盛顿州雷德蒙德的Microsoft Corporation(微软公司)的被称为的操作系统系列及其相关联的文件管理系统。具有其相关联的文件管理系统软件的操作系统软件的另一个示例是LinuxTM操作系统及其相关联的文件管理系统。文件管理系统可以存储在非易失性存储器和/或驱动单元中,并且可以使处理器执行由操作系统所需的各种动作,以输入和输出数据以及将数据存储在存储器中,包括将文件存储在非易失性存储器和/或驱动单元上。
具体实施方式的某些部分可以依据对计算机存储器中的数据位的操作的算法和符号表示来呈现。这些算法描述和表示是数据处理领域的技术人员所使用的手段,以将其工作的实质最有效地传达给本领域的其他技术人员。算法在这里并且通常被设想成导致所期望的结果的操作的自洽序列。操作是那些需要物理量的物理操纵的操作。通常,虽然非必须,但这些物理量采用能够被存储、被转移、被组合、被比较、和以其他方式被操纵的电信号或磁信号的形式。已经证实,主要出于常用的原因,将这些信号称为位、值、元素、符号、字符、项、数字等有时是方便的。
然而,应当记住,所有这些术语和类似术语是与合适的物理量相关联的并且仅仅是应用于这些物理量的方便的标签。除非以与以下讨论明显不同的方式明确声明,否则应当理解,贯穿整个说明书,使用诸如“处理”或“计算(computing)”或“计算(calculating)”或“确定”或“显示”或“生成”等的术语的讨论是指计算机系统或类似电子计算设备的动作和过程,所述计算机系统或类似电子计算设备将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵并转换成其他类似地表示为计算机系统的存储器或寄存器或其他这种信息存储、传输或显示设备内的物理量的数据。
本文中呈现的算法和显示并非固有地与任何特定计算机或其他装置相关。各种通用系统可以与根据本文教导的程序一起使用,或者可以证实构建更专门的装置来执行一些示例的方法是方便的。根据以下描述,所需的用于各种这些系统的结构将显现。此外,并未参考任何特定编程语言来描述技术,因此各种示例可以使用各种编程语言来实现。
在各种实现方式中,系统作为独立设备进行操作或者可以连接(例如,联网)到其他系统。在联网部署中,系统可以在客户端-服务器网络环境中作为服务器或客户端系统进行操作,或者在点对点(或分布式)网络环境中作为对等系统进行操作。
系统可以是服务器计算机、客户端计算机、个人计算机(PC)、平板PC、膝上型计算机、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、iPhone(苹果手机)、Blackberry(黑莓手机)、处理器、电话、网络设备、网络路由器、交换机或桥接器、或能够执行指定待由该系统采取的动作的一组指令(按顺序或者以其他方式)的任何系统。
虽然机器可读介质或机器可读存储介质作为示例被示为单个介质,但术语“机器可读介质”和“机器可读存储介质”应被理解为包括存储一组或多组指令的单个介质或多个介质(例如,集中式或分布式数据库,和/或相关联的高速缓存和服务器)。术语“机器可读介质”和“机器可读存储介质”还应理解为包括能够存储、编码或携带一组供系统执行的指令并且使系统执行本文公开的任何一种或多种方法或模块的任何介质。
通常,被执行以实现本发明的实现方式的例程可以实现为操作系统或专用应用程序、组件、程序、对象、模块或被称为“计算机程序”的指令序列的一部分。计算机程序通常包括在不同时间在计算机中的各种存储器和存储设备中设置的一个或多个指令,并且所述指令在被计算机中的一个或多个处理单元或处理器读取并执行时,致使该计算机进行操作以执行涉及本发明的各种方面的元素。
此外,尽管已经在功能完善的计算机和计算机系统的上下文中描述了示例,但是本领域技术人员能够理解,各种示例能够作为程序客体而以各种形式分布,而且不管实际用于实现分布的机器或计算机可读介质的具体类型如何,本发明都同样适用。
机器可读存储介质、机器可读介质、或计算机可读(存储)介质的其他示例包括但不限于:可记录类型介质,诸如易失性和非易失性存储器设备、软盘和其他可移除磁盘、硬盘驱动器、光盘(例如,光盘只读存储器(CD ROM)、数字通用光盘(DVD)等)等等;以及传输类型介质,诸如数字和模拟通信链路。
在一些情况中,存储器设备的操作(诸如从二进制1到二进制0的状态改变或者反之亦然)例如可以包括变换(诸如物理变换)。利用特定类型的存储器设备,这种物理变换可以包括物品向不同状态或事物的物理变换。例如,但非限制地,对于某些类型的存储器设备,状态的改变可以涉及电荷的积累和存储或者所存储的电荷的释放。类似地,在其他存储器设备中,状态的改变可以包括磁取向的物理改变或变换或者分子结构的物理改变或变换,诸如从晶体到非晶体或者反之亦然。前述内容不意图为其中存储器设备中从二进制1到二进制0(或者反之)的状态改变可以包括变换(诸如物理变换)所有示例的穷尽列表。而是,前述内容意图作为说明性示例。
存储介质通常可以为非暂时性设备或者可以包括非暂时性设备。在该情况下,非暂时性存储介质可以包括有形设备,这意味着该设备具有具体的物理形式,但是该设备的物理状态可以改变。因此,例如,非暂时性是指尽管状态改变但是保持有形的设备。
以上描述和附图是说明性的而不能解释为将主题限制到所公开的确切形式。相关领域的技术人员能够理解,鉴于上述公开内容可以有许多修改和变型。描述了许多具体细节来提供对本发明的透彻理解。然而,在某些情况中,众所周知的或常规的细节没有被描述,从而避免使描述模糊不清。
如本文中所使用的,术语“连接”、“联接”、或其任何变型当应用于系统的模块时,意味着两个或更多个元件之间直接或间接的任何连接或联接;元件之间的联接或连接可以是物理的、逻辑的、或其任何组合。此外,词语“本文”、“以上”、“以下”、以及类似含义的词语,当用于本申请中时,应该是指本申请整体,而不是本申请的任何特定部分。当上下文允许时,在以上具体实施方式部分中的使用单数或复数的词语也可以分别包括复数或单数。在关于两个或更多个项目的列表中,词语“或”涵盖该词语的所有如下解释:列表中项目的任一者、列表中所有项目、或者列表中项目的任何组合。
本领域技术人员能够理解,所公开的主题可以以下面未示出的其他形式和方式来实施。应当理解,关系型术语的使用(如果有的话,诸如第一、第二、顶部和底部等)仅用于将一个实体或动作与另一个实体或动作区分开,而不必要求或暗示这些实体或动作之间的任何这种实际关系或顺序。
尽管过程或方框以给定顺序呈现,但是替选实现方式可以执行具有不同顺序的步骤的例程或采用具有不同顺序的方框的系统,并且一些过程或方框可以被删除、移动、添加、细分、取代、组合和/或修改,以提供替选组合或子组合。可以以各种不同方式实现这些过程或方框中的每一者。此外,尽管过程或方框有时被示出为串行执行,但是这些过程或方框也可以并行执行或者可以在不同时间执行。另外,本文中提到的任何特定数字都只是示例:替选实现方式可以采用不同的值或范围。
本文中提供的本发明的教导可以应用于其他系统,而不必是上述系统。上述各种示例的元素和动作可以被结合以提供进一步的示例。
以上提到的任何专利和申请和其他参考文件(包括可能在所附递交文件中列出的任何参考文件)通过引用并入本文。如果需要,可以修改本发明的方面来采用上述各个参考文件的系统、功能和概念,以提供本发明的其他进一步的示例。
可以根据以上具体实施方式来对本发明做出这些和其他改变。尽管以上描述描述了特定示例,并且描述了预期的最好方式,但是不管上述内容的文本呈现得多么详细,教导都可以以许多方式实践。系统的细节可以在其实现方式细节上进行相当大的变化,但是仍然被本文所公开的主题所包括。如上所述,当描述本发明的某些特征或方面时所使用的特定术语不应当被看作是暗示该术语在本文中被重新定义以限制到与该术语相关联的本发明的任何特定特性、特征或方面。通常,在所附权利要求书中所使用的术语不应当被解释为将本发明限制到说明书中所公开的特定实现方式,除非以上具体实施方式部分明确定义了这些术语。因此,本发明的实际范围不仅包括所公开的实现方式,而且包括根据权利要求实践或实现本发明的所有等同方式。
尽管以某些权利要求形式呈现了本发明的某些方面,但是发明人预期到任何数量的权利要求形式的本发明的各个方面。任何旨在根据35U.S.C.§112(f)进行处理的权利要求将以表述“用于……”开头。因此,申请人保留在递交本申请之后添加附加权利要求的权利以寻求这些用于本发明的其他方面的附加权利要求形式。
在本发明的上下文内,在本说明书中所使用的术语通常具有其在本领域和在每个术语所使用的特定上下文中的通常含义。用于描述本发明的特定术语在以上或者说明书中的其他地方进行讨论,以为实践者提供关于本发明的描述的附加指导。为了方便,某些术语可以被突出,例如使用大写、斜体、和/或引号。使用突出不会对术语的范围和含义有任何影响;在同一上下文中,无论术语是否被突出,该术语的范围和含义都是相同的。能够理解,同一元素可以以多于一种的方式被描述。
因此,本文所讨论的任何一个或多个术语可以使用替选语言和同义词,但也不是基于术语是否在本文中详尽或讨论而对其赋予任何特殊意义。提供了某些术语的同义词。一个或多个同义词的记载并不排除其他同义词的使用。包括本文所讨论的任何术语的示例的本说明书中任何地方使用的示例都仅是说明性的,并且不意图进一步限制本发明或任何示例性术语的范围和含义。同样地,本发明并不限于本说明书中所给出的各个示例。
下面给出根据本发明的示例的设备、装置、方法及其相关结果的示例,但不意图进一步限制本发明的范围。需要注意的是,为了阅读者方便,可以在示例中使用标题或副标题,但不以任何方式限制本发明的范围。除非另外定义,否则本文所使用的所有技术术语和科学术语具有与本发明所属领域的普通技术人员通常理解的含义相同的含义。在有冲突的情况下,将以包括定义的本文为准。
本说明书的一些部分描述了对信息进行操作的算法和符号表示的示例。这些算法描述和表示通常由数据处理领域的技术人员用于将其工作实质有效地传达给本领域的其他技术人员。当从功能上、从计算上、或从逻辑上描述这些操作时,这些操作被理解成将由计算机程序或等效电路、微代码等实现。此外,还已经证实将这些操作的布置称为模块有时是方便的,且不失通用性。所描述的操作及其相关联的模块可以体现在软件、固件、硬件、或其任意组合中。
本文描述的任何步骤、操作、或过程可以利用一个或多个硬件或软件模块单独地或与其他设备结合地执行或实现。在一些示例中,软件模块利用包括计算机可读介质的计算机程序客体来实现,计算机可读介质包含计算机程序代码,计算机程序代码可由计算机处理器执行以用于执行所描述的步骤、操作、或过程中的任一者或全部。
示例还可以涉及用于执行本文中的操作的装置。该装置可以被专门构建以用于所需目的,和/或该装置可以包括通过计算机中存储的计算机程序选择性激活或重新配置的通用计算设备。这种计算机程序可以存储在非暂时性、有形的计算机可读存储介质或适用于存储电子指令的任何类型的介质中,所述介质可以联接到计算机系统总线。此外,本说明书中提及的任何计算系统都可以包括单个处理器或者可以是采用多处理器设计以提高计算能力的架构。
示例还可以涉及由本文描述的计算进程形成的客体。该客体可以包括由计算进程产生的信息,其中该信息存储在非暂时性、有形的计算机可读存储介质上以及可以包括计算机程序客体或本文描述的其他数据组合的任何实现方式。
已经主要出于可读性和指导目的而选择本说明书中所使用的语言,而不是选择这些语言来描绘或约束主题。因此,不意图通过详细描述来限制本发明的范围,而是通过基于本申请发布的任何权利要求来限制。因此,示例的公开意图是说明性的,而非对主题的范围的限制,主题的范围在所附权利要求中阐述。
在以上描述中给出了特定细节以提供对用于上下文连接系统的系统和组件的各种实现方式的透彻理解。然而,本领域普通技术人员应当理解,可以在没有这些特定细节的情况下实践上述实现方式。例如,电路、系统、网络、进程、和其他组件可以被示为框图形式中的组件,以免在不必要的细节上使实施方式模糊不清。在其他情况下,可以示出公知的电路、进程、算法、结构和技术而没有不必要的细节,以避免使实施方式模糊不清。
另外,应当注意,各个实现方式可以被描述为过程,该过程被描绘为流程图、作业图、数据流图、结构图或框图。尽管流程图可以将操作描述为顺序过程,但是许多操作可以并行或同时执行。另外,可以重新安排操作的顺序。当一个过程的操作完成时,该过程将终止,但是可以具有未包含在图中的附加步骤。过程可以对应于方法、函数、程序、子例程、子程序等。当过程对应于函数时,其终止可对应于该函数返回到调用函数或主函数。
客户端设备、网络设备、和其他设备可以是计算系统,该计算系统包括一个或多个集成电路、输入设备、输出设备、数据存储设备、和/或网络接口等等。集成电路可以包括例如一个或多个处理器、易失性存储器、和/或非易失性存储器等等。输入设备可以包括例如键盘、鼠标、小键盘、触摸界面、麦克风、相机和/或其他类型的输入设备。输出设备可以包括例如显示屏、扬声器、触觉反馈系统、打印机和/或其他类型的输出设备。诸如硬盘驱动器或闪存的数据存储设备可以使计算设备能够临时地或永久地存储数据。诸如无线或有线接口的网络接口可以使计算设备能够与网络通信。计算设备的示例包括台式计算机、膝上型计算机、服务器计算机、手持计算机、平板电脑、智能电话、个人数字助理、数字家庭助理、以及已经并入计算设备的机器和装置。
术语“计算机可读介质”包括但不限于便携式或非便携式存储设备、光存储设备、以及能够存储、包含、或承载(一个或多个)指令和/或数据的各种其他介质。计算机可读介质可以包括非暂时性介质,该非暂时性介质中可以存储数据,并且不包括无线地或通过有线连接传播的载波和/或暂时性电信号。非暂时性介质的示例可以包括但不限于磁盘或磁带、诸如光盘(CD)或数字通用光盘(DVD)的光存储介质、闪存、存储器或存储器设备。计算机可读介质可以具有其上存储的代码和/或机器可执行指令,其可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类、或者指令、数据结构或程序语句的任何组合。一代码段可以通过传递和/或接收信息、数据、自变量、参数、或存储内容而与另一代码段或硬件电路关联。信息、自变量、参数、数据等可以通过包括存储器共享、消息传递、令牌传递、网络传输等的任何适当手段来进行传递、转发或传输。
以上讨论的各种示例还可以通过硬件、软件、固件、中间件、微代码、硬件描述语言、或它们的任何组合来实现。当以软件、固件、中间件或微代码实现时,执行必要任务的程序代码或代码段(例如,计算机程序产品)可以存储在计算机可读或机器可读存储介质(例如,用于存储程序代码或代码段的介质)中。在集成电路中实现的(一个或多个)处理器可以执行必要任务。
当组件被描述成“被配置为”执行某些操作时,这种配置可以例如通过将电子电路或其他硬件设计成执行操作、通过将可编程电子电路(例如,微处理器、或其他合适的电子电路)编程为执行操作、或者其任何组合来完成。
结合本文公开的实现方式描述的各种说明性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件、固件、或其组合。为了清楚地说明硬件和软件的这种可互换性,以上已经在其功能方面总体上描述了各种说明性组件、块、模块、电路、和步骤。这种功能被实现为硬件还是软件取决于特定应用和对整个系统的设计约束。技术人员可以针对每种特定应用以不同方式实现所描述的功能,但是这种实现决策不应被解释为造成偏离本发明的范围。
本文描述的技术也可以在电子硬件、计算机软件、固件或其任何组合中实现。这样的技术可以在多种设备中的任何一种中实现,例如通用计算机、无线通信设备手机、或具有多种用途的集成电路设备,包括在无线通信设备手机和其他设备中的应用程序。描述为模块或组件的任何特征都可以在集成逻辑设备中一起实现,或者作为分立但可互操作的逻辑设备单独实现。如果以软件实现,则该技术可以至少部分地由包括程序代码的计算机可读数据存储介质实现,该程序代码包括指令,该指令当被执行时,执行上述方法中的一种或多种。计算机可读数据存储介质可以形成计算机程序产品的一部分,该计算机程序产品可以包括包装材料。计算机可读介质可以包括存储器或数据存储介质,例如随机存取存储器(RAM)(例如同步动态随机存取存储器(SDRAM))、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦可编程只读存储器(EEPROM)、闪存、磁或光数据存储介质等。附加地或替选地,这些技术可以至少部分地通过计算机可读通信介质来实现,该计算机可读通信介质承载或传送指令或数据结构形式的程序代码并且这些指令或数据结构可以由计算机访问、读取和/或执行,例如传播的信号或波。
程序代码可以由处理器执行,处理器可以包括一个或多个处理器,诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)、或其他等效的集成或离散逻辑电路。这种处理器可以被配置为执行本发明中描述的任何技术。通用处理器可以是微处理器;但是在替选方案中,处理器可以是任何常规处理器、控制器、微控制器、或状态机。处理器也可以实现为计算设备的组合,例如DSP和微处理器的组合、多个微处理器、与DSP核结合的一个或多个微处理器、或者任何其他这种配置。因此,本文中所使用的术语“处理器”可以是指任何前述结构、前述结构的任何组合、或适于实现本文所描述的技术的任何其他结构或装置。此外,在一些方面中,可以在被配置为用于实现暂停数据库更新系统的专用软件模块或硬件模块内提供本文所描述的功能。
已经出于说明和描述的目的呈现了技术的前述详细描述。该详细描述并非详尽的,也不意图将技术限制到所公开的确切形式。鉴于以上教导可以有许多修改和变型。选择所描述的实施方式是为了最好地解释技术的原理、其实践应用、以及使本领域其他技术人员能够在各种实施方式中利用该技术并且与适用于预期的特定用途的各种修改一起利用该技术。意图通过权利要求来限定该技术的范围。
Claims (21)
1.一种计算机实现的方法,包括:
生成一组意图集群的图形表示,其中,意图集群包括与意图相关联的一组意图术语,以及其中,使用机器学习算法生成所述一组意图集群,所述机器学习算法被训练为根据相应的意图对意图术语进行聚类;
检测对来自所述一组意图集群中的一意图集群的一个或多个意图术语的选择;
识别对应于与所述意图集群相关联的意图的一个或多个动作,其中,基于所述意图和所选择的一个或多个意图术语来识别所述一个或多个动作;以及
促进执行所述一个或多个动作以实现所述意图。
2.根据权利要求1所述的计算机实现的方法,其中,所述一组意图集群的图形表示包括一组球形对象,以及其中,球形对象包括与意图集群相关联的一组意图术语。
3.根据权利要求1所述的计算机实现的方法,其中,所述一组意图集群对应于一组频繁检测到的意图,以及其中,基于对在一段时间内收集的历史对话数据的评估来识别所述一组频繁检测到的意图。
4.根据权利要求1所述的计算机实现的方法,其中,所述一组意图集群的图形表示是根据界面的点击区域进行配置的。
5.根据权利要求1所述的计算机实现的方法,还包括:
检测与一个或多个意图相关联的请求中的尖峰;以及
更新所述一组意图集群的图形表示,其中,在检测到所述尖峰时实时更新所述一组意图集群的图形表示。
6.根据权利要求1所述的计算机实现的方法,还包括:
根据推广产品的请求更新所述一组意图集群的图形表示,其中,所述请求指定与所述产品相关联的一个或多个意图。
7.根据权利要求1所述的计算机实现的方法,还包括:
使用一个或多个聚类算法来确定要包括在所述一组意图集群中的意图集群的数量。
8.一种系统,包括:
一个或多个处理器;以及
存储器,所述存储器存储有指令,所述指令由于被所述一个或多个处理器执行而使得所述系统:
生成一组意图集群的图形表示,其中,意图集群包括与意图相关联的一组意图术语,以及其中,使用机器学习算法生成所述一组意图集群,所述机器学习算法被训练为根据相应的意图对意图术语进行聚类;
检测对来自所述一组意图集群中的一意图集群的一个或多个意图术语的选择;
识别对应于与所述意图集群相关联的意图的一个或多个动作,其中,基于所述意图和所选择的一个或多个意图术语来识别所述一个或多个动作;以及
促进执行所述一个或多个动作以实现所述意图。
9.根据权利要求8所述的系统,其中,所述一组意图集群的图形表示包括一组球形对象,以及其中,球形对象包括与意图集群相关联的一组意图术语。
10.根据权利要求8所述的系统,其中,所述一组意图集群对应于一组频繁检测到的意图,以及其中,基于对在一段时间内收集的历史对话数据的评估来识别所述一组频繁检测到的意图。
11.根据权利要求8所述的系统,其中,所述一组意图集群的图形表示是根据界面的点击区域进行配置的。
12.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
检测与一个或多个意图相关联的请求中的尖峰;以及
更新所述一组意图集群的图形表示,其中,在检测到所述尖峰时实时更新所述一组意图集群的图形表示。
13.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
根据推广产品的请求更新所述一组意图集群的图形表示,其中,所述请求指定与所述产品相关联的一个或多个意图。
14.根据权利要求8所述的系统,其中,所述指令还使得所述系统:
使用一个或多个聚类算法来确定要包括在所述一组意图集群中的意图集群的数量。
15.一种非暂时性计算机可读存储介质,所述非暂时性计算机可读存储介质上存储有可执行指令,所述可执行指令由于被计算机系统的一个或多个处理器执行而使得所述计算机系统:
生成一组意图集群的图形表示,其中,意图集群包括与意图相关联的一组意图术语,以及其中,使用机器学习算法生成所述一组意图集群,所述机器学习算法被训练为根据相应的意图对意图术语进行聚类;
检测对来自所述一组意图集群中的一意图集群的一个或多个意图术语的选择;
识别对应于与所述意图集群相关联的意图的一个或多个动作,其中,基于所述意图和所选择的一个或多个意图术语来识别所述一个或多个动作;以及
促进执行所述一个或多个动作以实现所述意图。
16.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述一组意图集群的图形表示包括一组球形对象,以及其中,球形对象包括与意图集群相关联的一组意图术语。
17.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述一组意图集群对应于一组频繁检测到的意图,以及其中,基于对在一段时间内收集的历史对话数据的评估来识别所述一组频繁检测到的意图。
18.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述一组意图集群的图形表示是根据界面的点击区域进行配置的。
19.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
检测与一个或多个意图相关联的请求中的尖峰;以及
更新所述一组意图集群的图形表示,其中,在检测到所述尖峰时实时更新所述一组意图集群的图形表示。
20.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
根据推广产品的请求更新所述一组意图集群的图形表示,其中,所述请求指定与所述产品相关联的一个或多个意图。
21.根据权利要求15所述的非暂时性计算机可读存储介质,其中,所述可执行指令还使得所述计算机系统:
使用一个或多个聚类算法来确定要包括在所述一组意图集群中的意图集群的数量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163192312P | 2021-05-24 | 2021-05-24 | |
US63/192,312 | 2021-05-24 | ||
PCT/US2022/030205 WO2022251054A1 (en) | 2021-05-24 | 2022-05-20 | Systems and methods for intent discovery and process execution |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117377954A true CN117377954A (zh) | 2024-01-09 |
Family
ID=82115550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280037395.5A Pending CN117377954A (zh) | 2021-05-24 | 2022-05-20 | 用于发现意图和执行过程的系统和方法 |
Country Status (7)
Country | Link |
---|---|
EP (1) | EP4348455A1 (zh) |
JP (1) | JP2024521752A (zh) |
CN (1) | CN117377954A (zh) |
AU (1) | AU2022280709A1 (zh) |
CA (1) | CA3218202A1 (zh) |
IL (1) | IL308034A (zh) |
WO (1) | WO2022251054A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10740566B2 (en) * | 2018-03-23 | 2020-08-11 | Servicenow, Inc. | Method and system for automated intent mining, classification and disposition |
US11061955B2 (en) * | 2018-09-21 | 2021-07-13 | Salesforce.Com, Inc. | Intent classification system |
US10902199B2 (en) * | 2019-06-12 | 2021-01-26 | Liveperson, Inc. | Systems and methods for communication system intent analysis |
-
2022
- 2022-05-20 CA CA3218202A patent/CA3218202A1/en active Pending
- 2022-05-20 JP JP2023572562A patent/JP2024521752A/ja active Pending
- 2022-05-20 EP EP22731885.4A patent/EP4348455A1/en active Pending
- 2022-05-20 IL IL308034A patent/IL308034A/en unknown
- 2022-05-20 AU AU2022280709A patent/AU2022280709A1/en active Pending
- 2022-05-20 WO PCT/US2022/030205 patent/WO2022251054A1/en active Application Filing
- 2022-05-20 CN CN202280037395.5A patent/CN117377954A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022251054A1 (en) | 2022-12-01 |
JP2024521752A (ja) | 2024-06-04 |
CA3218202A1 (en) | 2022-12-01 |
US20220374728A1 (en) | 2022-11-24 |
IL308034A (en) | 2023-12-01 |
EP4348455A1 (en) | 2024-04-10 |
AU2022280709A1 (en) | 2023-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11983746B2 (en) | User interface and process flow for providing an intent suggestion to a user in a text-based conversational experience with user feedback | |
JP7214719B2 (ja) | 質問と要求とを自律エージェントが区別できるようにすること | |
US11847420B2 (en) | Conversational explainability | |
US20230034820A1 (en) | Systems and methods for managing, distributing and deploying a recursive decisioning system based on continuously updating machine learning models | |
US20230410123A1 (en) | Data-driven taxonomy for annotation resolution | |
CN116635862A (zh) | 用于自然语言处理的域外数据扩充 | |
CN117157643A (zh) | 利用知识蒸馏的ai nlp编码器的域自适应 | |
CN116615727A (zh) | 用于自然语言处理的关键词数据扩充工具 | |
US20210374760A1 (en) | Systems and methods for intent response solicitation and processing | |
CN116547676A (zh) | 用于自然语言处理的增强型logit | |
US11610068B2 (en) | Systems and method for intent messaging | |
US12020170B2 (en) | Systems and methods for intent discovery and process execution | |
US20220374728A1 (en) | Systems and methods for intent discovery and process execution | |
CN116583837A (zh) | 用于自然语言处理的基于距离的logit值 | |
US20230368290A1 (en) | Systems and methods for payment instrument pre-qualification determinations | |
US20220391973A1 (en) | Systems and methods for graduation of dual-feature payment instruments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |